Cara Menggunakan Perplexica: Panduan Lengkap dan Padat untuk Tahun 2025
Jika Anda sudah mengincar jawaban AI ala Perplexity tetapi menginginkan kontrol penuh, Perplexica adalah solusi sumber terbuka—mandiri (), ramah privasi, dan sangat mumpuni. Dalam panduan ini, kita akan membahas apa itu Perplexica, cara menginstalnya, cara mengonfigurasi penyedia dan model, dan cara menggunakannya sehari-hari untuk penelitian, pengkodean, dan penemuan konten.
Untuk menjaga agar tetap praktis dan berorientasi pada solusi, kita akan menggunakan struktur berbasis pertanyaan dengan langkah-langkah cepat, contoh perintah, dan tips pemecahan masalah.
Ngomong-ngomong: Perplexica sedang aktif dikembangkan dan biasanya diimplementasikan dengan Docker. GitHub resmi menguraikan jalur tercepat: instal Docker, kloning repo, dan jalankan melalui Docker Compose. Untuk ikhtisar komunitas dan poin-poin penting , lihat panduan menjalankan Perplexica dengan Ollama ini. Ada juga utas aktif yang membahas penyiapan satu perintah dan yang sudah dibuat.
Apa Itu Perplexica?
Perplexica adalah mesin pencari bertenaga AI yang di- sendiri () yang menggabungkan pencarian web dengan model bahasa besar untuk menghasilkan jawaban yang ringkas dan berdasarkan sumber. Bayangkan: ajukan pertanyaan kompleks, ia mencari web, membaca banyak sumber, dan mensintesis respons yang jelas dengan sitasi. Ia diposisikan sebagai alternatif terbuka untuk alat ala Perplexity, tetapi Anda menjalankannya secara lokal atau di server Anda sendiri untuk transparansi dan kontrol.
Ide-ide utama:
- Kontrol lokal atau dengan Docker
- Menggunakan penyedia pencarian/data pilihan Anda (misalnya, Brave, SerpAPI, Google CSE—dapat dikonfigurasi)
- Bekerja dengan LLM lokal atau jarak jauh (misalnya, melalui Ollama atau model berbasis API)
- UI Web untuk kueri alami, ditambah “mode” terfokus seperti Web/Scholar/YouTube tergantung pada konfigurasi
Untuk Siapa Perplexica?
- Peneliti yang menginginkan ringkasan multi-sumber yang disitasi
- Insinyur yang lebih memilih LLM lokal dengan pengambilan web
- Tim yang membutuhkan privasi dan kontrol biaya
- Pengguna tingkat lanjut yang mengganti alat ala Perplexity dengan sesuatu yang di- sendiri
Mulai Cepat: Cara Tercepat untuk Menjalankan Perplexica
Berikut adalah alur tipikal berdasarkan repositori resmi:
- Docker dan Docker Compose terinstal
- Opsional: Ollama terinstal jika Anda ingin menggunakan model lokal (misalnya, {llama3}, {mistral}, {qwen})
{git clone}{cd Perplexica}
- Konfigurasi Variabel Lingkungan
- Salin contoh berkas lingkungan jika disediakan (misalnya, {.env.example} → {.env}).
- Tambahkan kunci API/pencarian apa pun (Brave, Serper, Tavily, Bing, Google CSE, dll.).
- Konfigurasikan penyedia LLM: titik akhir Ollama lokal atau API (OpenAI/kompatibel) tergantung pada pengaturan Anda.
- Luncurkan dengan Docker Compose
- Ini memulai layanan yang diperlukan. Setelah satu menit, UI web seharusnya tersedia di yang dicetak (biasanya ` atau seperti yang ditentukan dalam dokumentasi repo).
- Opsional: Tarik Model Lokal melalui Ollama
{# Instal Ollama (lihat ollama.com untuk OS Anda)}{ollama pull llama3}{# atau model lain yang didukung}
- Arahkan konfigurasi LLM Perplexica ke titik akhir Ollama Anda (sering kali {dari Docker di macOS/Windows atau} di Linux). Panduan menjelaskan pemasangan ini.
Tur Jalankan Pertama: Menggunakan UI Web Perplexica
Setelah UI aktif, Anda akan melihat kotak pencarian yang mirip dengan mesin pencari AI modern.
- Ajukan pertanyaan dalam bahasa alami: “Apa tolok ukur terbaru untuk vektor pada tahun 2025?”
- Pilih fokus/mode jika tersedia: Web, Akademik/Scholar, YouTube, atau mode Penelitian yang lebih umum— dan penyedia Anda menentukan mana yang muncul.
- Tekan Enter. Perplexica akan mengambil sumber, membacanya, dan menyusun ringkasan dengan sitasi.
- Perluas sitasi untuk memeriksa sumber dan memastikan kredibilitas.
Tips:
- Gunakan spesifik: tambahkan batasan seperti “bandingkan pendekatan,” “daftar pro/kontra,” atau “berikan ringkasan 200 kata dengan 3 poin penting.”
- Untuk topik pengkodean, minta langkah demi langkah dan tautkan kembali ke dokumentasi asli.
- Untuk video (jika mode YouTube diaktifkan), minta “ringkas tutorial terbaru saluran ini tentang X.”
Cara Mengonfigurasi Penyedia Pencarian dan Kunci API
Perplexica bergantung pada satu atau lebih penyedia web/pencarian. Opsi umum termasuk Brave Search, Serper/SerpAPI (hasil mirip Google), Bing Web Search, Tavily, dan Google Custom Search Engine (CSE). Anda akan memasok kunci API di berkas {.env} Anda.
Variabel tipikal yang mungkin Anda lihat di {.env}:
- BRAVE_API_KEY atau SERPER_API_KEY (atau SERPAPI_KEY)
- GOOGLE_CSE_ID dan GOOGLE_CSE_API_KEY
- OLLAMA_BASE_URL (untuk model lokal)
- OPENAI_API_KEY atau OPENAI_COMPATIBLE_BASE_URL untuk model
Setel hanya apa yang Anda butuhkan. Banyak pengguna memulai dengan satu penyedia (misalnya, Brave atau Tavily) dan satu LLM (Ollama atau titik akhir yang kompatibel dengan OpenAI), lalu memperluas.
Memilih dan Menyetel Model Anda
Anda dapat menjalankan Perplexica dengan:
- Model lokal melalui Ollama: Ramah privasi dan gratis per kueri; kecepatan/kualitas tergantung pada GPU/CPU dan ukuran model Anda.
- Model melalui API: Biasanya lebih cepat dan lebih kuat untuk tugas-tugas kompleks tetapi menimbulkan biaya penggunaan.
Rekomendasi:
- Perangkat keras ringan: {mistral:7b} atau {llama3:8b} melalui Ollama untuk Tanya Jawab umum.
- Perangkat keras menengah/tinggi: varian {llama3:70b} atau {qwen2} jika Anda membutuhkan penalaran yang lebih kuat.
- Didukung API: Pertimbangkan model yang kompatibel dengan OpenAI untuk kueri penelitian terberat.
Di pengaturan Perplexica atau {.env}, arahkan model ke LLM pilihan Anda. Jika Anda mendukung banyak model, Anda dapat beralih per sesi.
Cerdas untuk Jawaban yang Lebih Baik
Gunakan pola-pola ini untuk meningkatkan :
- Permintaan bukti: “Sebutkan 3–5 sumber terkemuka dengan tautan. Rangkum kesepakatan dan ketidaksepakatan.”
- terstruktur: “Kembalikan ringkasan 5 poin diikuti dengan tabel perbandingan.”
- Batasan: “Buat di bawah 150 kata. Kemudian tambahkan daftar periksa 3 item.”
- Kontrol lingkup: “Fokus hanya pada perkembangan tahun 2024–2025 dan lewati sumber yang dipaywall.”
Contoh Alur Kerja
- : “Bandingkan Notion vs Obsidian untuk tim penelitian. Berikan pro/kontra, harga, dan pembaruan 2025 dengan sitasi.”
- Hasil: Kisi yang ringkas dengan tautan ke sumber utama.
- Panduan Praktis Pengembang
- : “Bagaimana cara menambahkan pelacakan OpenTelemetry di aplikasi FastAPI? Sertakan kode dan tautkan ke dokumentasi resmi.”
- Hasil: Kode langkah demi langkah ditambah referensi resmi.
- : “Rangkum kemajuan (2023–2025). Sertakan 4 sumber dan catat masalah terbuka.”
- Hasil: Sintesis yang didukung kertas dengan pertanyaan terbuka.
- Penambangan Pengetahuan Video (Jika Diaktifkan)
- : “Rangkum poin-poin penting dari video minggu lalu tentang ‘Pola Rust’. Sertakan jika tersedia.”
Tips Pemecahan Masalah dan Kinerja
- Docker tidak dapat menemukan model: Pastikan Ollama berjalan dan URL dasar dapat dijangkau dari dalam Docker. Di macOS/Windows, coba {host.docker.internal} alih-alih {localhost}.
- Hasil pencarian kosong: Verifikasi kunci API dan kuota penyedia. Coba beralih ke penyedia lain atau aktifkan penyedia kedua sebagai .
- Respons lambat: Gunakan model lokal yang lebih kecil; kurangi jumlah halaman yang diambil; atau beralih ke model API untuk kueri berat.
- Lonjakan memori: Batasi tugas bersamaan atau kurangi jendela konteks jika dapat dikonfigurasi.
- Sitasi hilang: Perketat Anda (“sertakan tautan sumber dengan judul”) atau verifikasi mode mendukung ekstraksi tautan.
Privasi dan Kontrol Biaya
- Jalankan hanya model lokal melalui Ollama untuk menyimpan konten di mesin Anda.
- Pilih penyedia dengan harga terjangkau atau tingkatan gratis (varian Brave/Tavily/Serper mungkin berbeda menurut kuota).
- Cache hasil jika Perplexica mendukungnya di Anda; Anda akan mengurangi panggilan duplikat.
Memperbarui Perplexica
- Tarik perubahan repositori terbaru dan naikkan kembali kontainer Anda:
{git pull}{docker compose pull}{docker compose up -d --build}
- Periksa catatan rilis di repo GitHub untuk perubahan yang melanggar atau opsi penyedia baru.
Integrasi dan Opsi UI
- Banyak pengguna memasangkan Perplexica dengan Ollama untuk tumpukan yang sepenuhnya lokal. Lihat panduan ini untuk pemasangan dan jebakan praktis.
- komunitas sering membagikan Docker Compose, templat lingkungan, dan yang sudah dibuat untuk penyiapan satu perintah.
Kapan Lebih Memilih Perplexica Daripada Alternatif yang Di-
- Anda membutuhkan reproduktibilitas, log lokal, dan konfigurasi transparan
- Organisasi Anda memblokir alat AI eksternal
- Anda ingin bereksperimen dengan LLM atau pengaturan pengambilan yang berbeda
- Anda peduli tentang prediktabilitas biaya dan privasi
Perlu dicatat: Menggunakan Sider.AI bersama Perplexica
Skor relevansi: 8/10
Jika Anda menghabiskan banyak waktu untuk mengajukan pertanyaan penelitian dan kemudian mengubah hasilnya menjadi konten (, draf blog, catatan slide), memasangkan Perplexica dengan ruang kerja penulisan/analisis dapat mempercepat segalanya. Perlu dicatat: Sider.AI memungkinkan Anda membuat draf, mengedit, dan membandingkan banyak versi temuan Anda dengan cepat di dalam editor yang bersih. Setelah Perplexica menampilkan sumber dan ringkasan, tempel sitasi dan biarkan Sider membantu dengan struktur, nada, dan polesan—terutama untuk kerangka panjang atau ringkasan pemangku kepentingan.
Poin-Poin Penting
- Perplexica adalah mesin pencari AI yang mensintesis jawaban dengan sitasi.
- Jalankan dengan cepat dengan Docker; konfigurasikan penyedia dan model di {.env}.
- Gunakan Ollama untuk inferensi lokal dan pribadi—atau model API untuk kecepatan/kualitas.
- Tingkatkan hasil dengan terstruktur dan mode terfokus.
- Kelola biaya dengan memilih penyedia dengan hati-hati dan melakukan jika memungkinkan.
Daftar Periksa Cepat untuk Memulai
- Kloning repo dan siapkan {.env}
- Pilih penyedia pencarian dan LLM Anda (Ollama atau API)
- Buka UI dan jalankan kueri pertama Anda
- Ulangi dan pilihan penyedia/model
FAQ
{Q1:Apa itu Perplexica dan bagaimana perbedaannya dengan Perplexity?
Perplexica adalah mesin pencari AI sumber terbuka yang di- sendiri yang Anda jalankan secara lokal atau di server, sedangkan Perplexity adalah layanan yang di-. Dengan Perplexica, Anda memilih penyedia dan model, mengontrol privasi, dan dapat menggunakan LLM lokal melalui Ollama dengan biaya nol per kueri.}{Q2:Bagaimana cara menginstal Perplexica dengan Docker?
Kloning repo resmi, konfigurasikan {.env} Anda dengan kunci API dan pengaturan LLM, lalu jalankan {docker compose up -d}. UI web akan tersedia di yang dikonfigurasi; lihat GitHub untuk langkah-langkah dan pembaruan yang tepat.}{Q3:Bisakah Perplexica menggunakan model lokal seperti Llama 3 melalui Ollama?
Ya. Instal Ollama, tarik model (misalnya, {ollama pull llama3}), dan arahkan URL dasar LLM Perplexica ke titik akhir Ollama. Ini memungkinkan inferensi lokal pribadi tanpa biaya penggunaan API.}{Q4:Penyedia pencarian mana yang bekerja dengan Perplexica?
Perplexica mendukung banyak penyedia seperti Brave, Serper/SerpAPI, Bing, Tavily, dan Google CSE, tergantung pada Anda. Tambahkan kunci API yang sesuai di {.env} Anda dan pilih penyedia .}{Q5:Bagaimana cara meningkatkan kualitas jawaban di Perplexica?
Bersikaplah spesifik dengan (minta sitasi, perbandingan, batasan), pilih model yang kuat, dan aktifkan lebih dari satu penyedia pencarian untuk cakupan. Anda juga dapat membatasi lingkup ke tahun-tahun terakhir dan meminta terstruktur seperti tabel atau poin-poin.}
